Binance Square
Hurain_BTC
30 Posting

Hurain_BTC

crypto lover Hurain_BTC
7 Mengikuti
5 Pengikut
43 Disukai
Posting
ยท
--
Saya masih menganggap kondisi saat ini $ETH PA (acara kacau) mirip dengan NASDAQ setelah gelembung dotcom! Pemulihan akan memakan waktu. 2021 adalah gelembung crypto dan kita masih merangkak keluar darinya! {future}(ETHUSDT)
Saya masih menganggap kondisi saat ini $ETH PA (acara kacau) mirip dengan NASDAQ setelah gelembung dotcom! Pemulihan akan memakan waktu. 2021 adalah gelembung crypto dan kita masih merangkak keluar darinya!
ยท
--
$WLD TRADING PANJANG MASUK: 0.5685 TARGET: 0.607 STOPLOSS: 0.5525 {future}(WLDUSDT)
$WLD TRADING PANJANG

MASUK: 0.5685

TARGET: 0.607

STOPLOSS: 0.5525
ยท
--
BREAKING: Seekor paus baru saja membuka posisi long sebesar $34,635,000 $ETH . Harga Likuidasi: $1,590
BREAKING:

Seekor paus baru saja membuka posisi long sebesar $34,635,000 $ETH .

Harga Likuidasi: $1,590
ยท
--
Jika kamu berpikir bahwa $BTC dijual hari ini karena pasar saham Korea atau AS, coba lihat korelasi ini sejak setahun yang lalu. BTC tidak pernah peduli dengan pergerakan AI, Memori, atau Semi. Dump BTC hari ini adalah untuk membuang posisi long dan mengambil likuiditas. Hati-hati dengan siapa yang kamu idolakan {future}(BTCUSDT)
Jika kamu berpikir bahwa $BTC dijual hari ini karena pasar saham Korea atau AS, coba lihat korelasi ini sejak setahun yang lalu.

BTC tidak pernah peduli dengan pergerakan AI, Memori, atau Semi. Dump BTC hari ini adalah untuk membuang posisi long dan mengambil likuiditas.

Hati-hati dengan siapa yang kamu idolakan
ยท
--
$BTC Pendek yang cukup agresif di sini, peningkatan OI instan setelah long terflush dan pendanaan menjadi negatif. Bisa melihat bounce mean reversion segera. {future}(BTCUSDT)
$BTC Pendek yang cukup agresif di sini, peningkatan OI instan setelah long terflush dan pendanaan menjadi negatif. Bisa melihat bounce mean reversion segera.
ยท
--
Lihat terjemahan
Why did $BTC dump back to $62K? The reasons are below ๐Ÿ‘‡ 144,828 traders were liquidated, the total liquidations comes in at $717.05 million. {future}(BTCUSDT)
Why did $BTC dump back to $62K? The reasons are below ๐Ÿ‘‡

144,828 traders were liquidated, the total liquidations comes in at $717.05 million.
ยท
--
Kami mendapatkan penolakan yang diharapkan karena tidak ada kejelasan nyata di front geopolitik. Ditambah lagi, bagaimana $SPCX sekarang turun hampir 35% dari ATH - itu cukup gila untuk sebuah saham, banyak orang yang terjebak, terutama ritel. Gerakan jenis ini mengguncang kepercayaan di pasar yang lebih luas juga. Jika $BTC ditutup di bawah $61.5K secara harian & mingguan, kita bisa mengharapkan pembersihan terakhir menuju angka 50-an segera.
Kami mendapatkan penolakan yang diharapkan karena tidak ada kejelasan nyata di front geopolitik.

Ditambah lagi, bagaimana $SPCX sekarang turun hampir 35% dari ATH - itu cukup gila untuk sebuah saham, banyak orang yang terjebak, terutama ritel.

Gerakan jenis ini mengguncang kepercayaan di pasar yang lebih luas juga.

Jika $BTC ditutup di bawah $61.5K secara harian & mingguan, kita bisa mengharapkan pembersihan terakhir menuju angka 50-an segera.
ยท
--
Beberapa hari yang lalu, saya nonton alur kerja AI bareng temen yang kerja di pengembangan produk. Di layar ada Model Hub OpenGradient. Dia milih model untuk tiga tugas: pelabelan permintaan, penghapusan data duplikat, dan normalisasi log. Saya tanya, โ€œKenapa nggak pakai model frontier untuk keamanan?โ€ Dia nunjuk ke kolom biaya. โ€œSekali sih oke. Tapi pipeline ini jalan ribuan kali sehari. Beberapa sen jadi angka yang nyata.โ€ Sebelumnya, saya kira model kecil dan menengah cuma sisa-sisa dari balapan frontier โ€” sementara model terbesar bawa narasi. Tapi alur kerja nggak milih model berdasarkan kemampuan mentah doang. Mereka milih berdasarkan Disiplin Biaya. Penghapusan data duplikat nggak perlu penalaran yang luas. Pelabelan permintaan nggak perlu inferensi tingkat strategis. Normalisasi log nggak perlu meminjam cahaya dari model frontier. Model kecil dan menengah bersaing di jalur yang berbeda: tugas sempit, eksekusi berulang, margin nilai rendah, dan volume cukup untuk biaya jadi variabel dominan. Di situlah Model Hub OpenGradient jadi menarik. Model nggak diperlakukan sebagai unggahan statis. Mereka dikemas dengan deskripsi, versi, dan mekanisme untuk pengembang memanggilnya kembali ke dalam alur kerja saat dibutuhkan. Itu mengubah peran model-model kecil. Model filter duplikat nggak perlu menduduki peringkat tertinggi. Dia perlu berfungsi dengan andal, tetap murah untuk dijalankan, dan tetap stabil di panggilan ulang. Saat AI dalam mode demo, model terkuat jadi perhatian. Saat AI masuk ke produksi, Disiplin Biaya menentukan apakah alur kerja bertahan setelah ribuan eksekusi. Sepertinya ini ruang yang dituju Model Hub @OpenGradient : membantu model mendapatkan tempat permanen di dalam alur kerja operasional, bukan hanya peringkat benchmark. $SYN $OPG #OPG
Beberapa hari yang lalu, saya nonton alur kerja AI bareng temen yang kerja di pengembangan produk.
Di layar ada Model Hub OpenGradient. Dia milih model untuk tiga tugas: pelabelan permintaan, penghapusan data duplikat, dan normalisasi log.
Saya tanya, โ€œKenapa nggak pakai model frontier untuk keamanan?โ€
Dia nunjuk ke kolom biaya.
โ€œSekali sih oke. Tapi pipeline ini jalan ribuan kali sehari. Beberapa sen jadi angka yang nyata.โ€
Sebelumnya, saya kira model kecil dan menengah cuma sisa-sisa dari balapan frontier โ€” sementara model terbesar bawa narasi.
Tapi alur kerja nggak milih model berdasarkan kemampuan mentah doang.
Mereka milih berdasarkan Disiplin Biaya.
Penghapusan data duplikat nggak perlu penalaran yang luas. Pelabelan permintaan nggak perlu inferensi tingkat strategis. Normalisasi log nggak perlu meminjam cahaya dari model frontier.
Model kecil dan menengah bersaing di jalur yang berbeda: tugas sempit, eksekusi berulang, margin nilai rendah, dan volume cukup untuk biaya jadi variabel dominan.
Di situlah Model Hub OpenGradient jadi menarik.
Model nggak diperlakukan sebagai unggahan statis. Mereka dikemas dengan deskripsi, versi, dan mekanisme untuk pengembang memanggilnya kembali ke dalam alur kerja saat dibutuhkan.
Itu mengubah peran model-model kecil.
Model filter duplikat nggak perlu menduduki peringkat tertinggi. Dia perlu berfungsi dengan andal, tetap murah untuk dijalankan, dan tetap stabil di panggilan ulang.
Saat AI dalam mode demo, model terkuat jadi perhatian.
Saat AI masuk ke produksi, Disiplin Biaya menentukan apakah alur kerja bertahan setelah ribuan eksekusi.
Sepertinya ini ruang yang dituju Model Hub @OpenGradient : membantu model mendapatkan tempat permanen di dalam alur kerja operasional, bukan hanya peringkat benchmark.
$SYN $OPG #OPG
ยท
--
Nvidia mengatakan bahwa pusat data AI hanya menyumbang 0.2% dari konsumsi air harian di AS Pendinginan cair pada suhu 45ยฐC mengurangi penggunaan air pendingin dari sekitar 2.6 juta galon per MW per tahun menjadi hampir nol Berbeda dengan menara pendingin tradisional, pabrik AI yang didinginkan dengan cairan dapat mengandalkan sistem pendinginan kering, mengurangi penggunaan air Di masa depan, pusat data bisa menjadi aset grid, menggunakan kembali dan mendistribusikan panas berlebih ke komunitas lokal
Nvidia mengatakan bahwa pusat data AI hanya menyumbang 0.2% dari konsumsi air harian di AS

Pendinginan cair pada suhu 45ยฐC mengurangi penggunaan air pendingin dari sekitar 2.6 juta galon per MW per tahun menjadi hampir nol

Berbeda dengan menara pendingin tradisional, pabrik AI yang didinginkan dengan cairan dapat mengandalkan sistem pendinginan kering, mengurangi penggunaan air

Di masa depan, pusat data bisa menjadi aset grid, menggunakan kembali dan mendistribusikan panas berlebih ke komunitas lokal
ยท
--
$BTC jujur saja, kondisi di timeframe rendah tidak terlalu bagus, tapi kita masih dalam rezim yang bergejolak. 1 hari naik, 1 hari turun, tidak ada tren yang benar-benar jelas. Penutupan 1d ini menurut saya tidak bullish. {future}(BTCUSDT)
$BTC jujur saja, kondisi di timeframe rendah tidak terlalu bagus, tapi kita masih dalam rezim yang bergejolak. 1 hari naik, 1 hari turun, tidak ada tren yang benar-benar jelas. Penutupan 1d ini menurut saya tidak bullish.
ยท
--
$MU mungkin akan naik lebih tinggi ke $1300, tapi sooner or later perlu retest BB mid di sekitar $1000. Selama #MU terus bikin higher low dan higher highs, ini bullish. Earnings berikutnya: Hasil Fiskal Q3 2026 setelah pasar tutup pada 24 Juni 2026, dengan conference call sekitar 4:30 PM EDT. Analis mengharapkan hasil yang kuat: ~$33.5โ€“$35.5B pendapatan dan EPS sekitar $19โ€“$21 (pertumbuhan YoY yang massive, misalnya, EPS naik ~1.000% dalam beberapa perbandingan). Trailing P/E (TTM): Sekitar 53โ€“56 (tinggi karena ramp-up earnings terbaru; harga saham sekitar $1.100โ€“$1.150 baru-baru ini). Forward P/E: Jauh lebih rendah di ~9.9โ€“11 (atau hingga ~13โ€“18 dalam beberapa estimasi), mencerminkan pertumbuhan earnings masa depan yang kuat dari permintaan AI/memory. Rasio PEG menarik (~0.36).
$MU mungkin akan naik lebih tinggi ke $1300, tapi sooner or later perlu retest BB mid di sekitar $1000. Selama #MU terus bikin higher low dan higher highs, ini bullish.

Earnings berikutnya: Hasil Fiskal Q3 2026 setelah pasar tutup pada 24 Juni 2026, dengan conference call sekitar 4:30 PM EDT.

Analis mengharapkan hasil yang kuat: ~$33.5โ€“$35.5B pendapatan dan EPS sekitar $19โ€“$21 (pertumbuhan YoY yang massive, misalnya, EPS naik ~1.000% dalam beberapa perbandingan).

Trailing P/E (TTM): Sekitar 53โ€“56 (tinggi karena ramp-up earnings terbaru; harga saham sekitar $1.100โ€“$1.150 baru-baru ini).

Forward P/E: Jauh lebih rendah di ~9.9โ€“11 (atau hingga ~13โ€“18 dalam beberapa estimasi), mencerminkan pertumbuhan earnings masa depan yang kuat dari permintaan AI/memory. Rasio PEG menarik (~0.36).
ยท
--
Lihat terjemahan
$SPCX is down 10% today. That's $242 billion wiped from its market cap in a single session. Over the last 4 trading days, the stock has fallen more than 25%. That's $725 billion erased. To put that into perspective... That's more value than entire global companies have spent decades building. The market is ruthless when expectations change. {future}(SPCXUSDT)
$SPCX is down 10% today.

That's $242 billion wiped from its market cap in a single session.

Over the last 4 trading days, the stock has fallen more than 25%.

That's $725 billion erased.

To put that into perspective...

That's more value than entire global companies have spent decades building.

The market is ruthless when expectations change.
ยท
--
Saya percaya SP500 akan naik, tapi kita mungkin akan konsolidasi beberapa minggu di sini. Potensi bull flag sedang terbentuk untuk $SPY $SPX Apa pendapatmu? #Stockmarket
Saya percaya SP500 akan naik, tapi kita mungkin akan konsolidasi beberapa minggu di sini.

Potensi bull flag sedang terbentuk untuk $SPY $SPX

Apa pendapatmu?

#Stockmarket
ยท
--
ยท
--
Lihat terjemahan
$ZEC I think this will continue to chop around. This one goes as btc goes and some sort of consolidation is natural. Guessing we see something like $400 though in the short term {future}(ZECUSDT)
$ZEC I think this will continue to chop around. This one goes as btc goes and some sort of consolidation is natural. Guessing we see something like $400 though in the short term
ยท
--
$BTC susah untuk bilang apa yang terjadi di timeframe yang lebih rendah, lihat ada beberapa penolakan di sini. Saya sudah meratakan posisi sedikit tapi masih mempertahankan posisi 50% EIGEN saya untuk sekarang/ akan menggunakan trailing stop di situ. Jika kita masih bisa bertahan di atas level saat ini, saya rasa kita akan mengetes 67k lagi {future}(BTCUSDT)
$BTC susah untuk bilang apa yang terjadi di timeframe yang lebih rendah, lihat ada beberapa penolakan di sini. Saya sudah meratakan posisi sedikit tapi masih mempertahankan posisi 50% EIGEN saya untuk sekarang/ akan menggunakan trailing stop di situ. Jika kita masih bisa bertahan di atas level saat ini, saya rasa kita akan mengetes 67k lagi
ยท
--
$EIGEN terus bergerak, saya masih memegang posisi 50% tapi akan mulai memangkas saat posisi naik. Saya tidak tahu di mana puncaknya, banyak unlock yang akan datang segera + pasar sendiri masih cukup tidak nyaman. Untuk membeli saat harga turun, saya sebenarnya tidak yakin... harganya sudah naik cukup baik + pasar masih pvp dengan hanya beberapa pelari. Saya cenderung untuk tidak membeli saat harga turun di yang ini dan lebih fokus pada koin lainnya. {future}(EIGENUSDT)
$EIGEN terus bergerak, saya masih memegang posisi 50% tapi akan mulai memangkas saat posisi naik. Saya tidak tahu di mana puncaknya, banyak unlock yang akan datang segera + pasar sendiri masih cukup tidak nyaman.

Untuk membeli saat harga turun, saya sebenarnya tidak yakin... harganya sudah naik cukup baik + pasar masih pvp dengan hanya beberapa pelari. Saya cenderung untuk tidak membeli saat harga turun di yang ini dan lebih fokus pada koin lainnya.
ยท
--
Lihat terjemahan
$PUMP LONG TRADE ENTRY: 0.00151 TARGET: 0.00169 STOPLOSS: 0.001475 {future}(PUMPUSDT)
$PUMP LONG TRADE

ENTRY: 0.00151

TARGET: 0.00169

STOPLOSS: 0.001475
ยท
--
Hari lain, tepat sebelum bulan berakhir, saya duduk di sebuah kafe bersama teman. Dia terus-menerus memberikan prompt ke alat AI. Bukan karena dia sangat membutuhkan jawaban โ€” hanya karena kuota bulanan akan segera direset. Logikanya sederhana: โ€œJika saya tidak menggunakannya sekarang, itu akan sia-sia.โ€ Itu membuat saya berpikir tentang OpenGradient Chat. Banyak produk AI bergantung pada langganan dengan batasan penggunaan bulanan. Model itu jelas mendorong keterlibatan, tetapi juga menciptakan perilaku tertentu: orang-orang menggunakan produk tersebut bukan karena mereka benar-benar membutuhkannya, tetapi karena mereka tidak ingin kehilangan sesuatu yang sudah mereka bayar. OpenGradient Chat tampaknya mendekati ini dengan cara yang berbeda. Alih-alih kuota bulanan, pengguna membeli Kredit dan menghabiskan berdasarkan penggunaan aktual. Kredit yang tidak terpakai tetap tersedia alih-alih menghilang di akhir siklus. Itu mengubah psikologi. Kredit tidak lagi terasa seperti alokasi langganan dan mulai berfungsi lebih seperti anggaran kerja. Setiap prompt memiliki biaya yang terlihat. Begitu pengeluaran menjadi eksplisit, pengguna secara alami menjadi lebih selektif. Eksperimen acak melambat, sementara penggunaan yang disengaja menjadi lebih mudah untuk dibenarkan: coba secara ringan, iterasi saat diperlukan, dan belanja lebih banyak ketika hasilnya menciptakan nilai yang cukup. Itulah sebabnya saya melihat Kredit bukan hanya sebagai mekanisme pembayaran โ€” tetapi sebagai filter pengguna. Produk ini tidak perlu memutuskan siapa pengguna serius. Perilaku pengguna mengungkapkannya. Orang-orang yang terus menggunakan sistem meskipun ada biaya yang terlihat mungkin mendapatkan cukup nilai untuk membenarkan kembali. Bagi saya, ini adalah @OpenGradient Chat yang memilih jalur yang lebih sulit tetapi berpotensi lebih berkelanjutan: mengurangi aktivitas yang didorong kuota dan membiarkan permintaan yang nyata menentukan retensi. Kredit menjadi sinyal penggunaan nyata daripada konsumsi yang dipaksakan. $BTW $OPG #OPG
Hari lain, tepat sebelum bulan berakhir, saya duduk di sebuah kafe bersama teman. Dia terus-menerus memberikan prompt ke alat AI. Bukan karena dia sangat membutuhkan jawaban โ€” hanya karena kuota bulanan akan segera direset. Logikanya sederhana: โ€œJika saya tidak menggunakannya sekarang, itu akan sia-sia.โ€ Itu membuat saya berpikir tentang OpenGradient Chat. Banyak produk AI bergantung pada langganan dengan batasan penggunaan bulanan. Model itu jelas mendorong keterlibatan, tetapi juga menciptakan perilaku tertentu: orang-orang menggunakan produk tersebut bukan karena mereka benar-benar membutuhkannya, tetapi karena mereka tidak ingin kehilangan sesuatu yang sudah mereka bayar. OpenGradient Chat tampaknya mendekati ini dengan cara yang berbeda. Alih-alih kuota bulanan, pengguna membeli Kredit dan menghabiskan berdasarkan penggunaan aktual. Kredit yang tidak terpakai tetap tersedia alih-alih menghilang di akhir siklus. Itu mengubah psikologi. Kredit tidak lagi terasa seperti alokasi langganan dan mulai berfungsi lebih seperti anggaran kerja. Setiap prompt memiliki biaya yang terlihat. Begitu pengeluaran menjadi eksplisit, pengguna secara alami menjadi lebih selektif. Eksperimen acak melambat, sementara penggunaan yang disengaja menjadi lebih mudah untuk dibenarkan: coba secara ringan, iterasi saat diperlukan, dan belanja lebih banyak ketika hasilnya menciptakan nilai yang cukup. Itulah sebabnya saya melihat Kredit bukan hanya sebagai mekanisme pembayaran โ€” tetapi sebagai filter pengguna. Produk ini tidak perlu memutuskan siapa pengguna serius. Perilaku pengguna mengungkapkannya. Orang-orang yang terus menggunakan sistem meskipun ada biaya yang terlihat mungkin mendapatkan cukup nilai untuk membenarkan kembali. Bagi saya, ini adalah @OpenGradient Chat yang memilih jalur yang lebih sulit tetapi berpotensi lebih berkelanjutan: mengurangi aktivitas yang didorong kuota dan membiarkan permintaan yang nyata menentukan retensi. Kredit menjadi sinyal penggunaan nyata daripada konsumsi yang dipaksakan. $BTW $OPG #OPG
ยท
--
Masuk untuk menjelajahi konten lainnya
Bergabunglah dengan pengguna kripto global di Binance Square
โšก๏ธ Dapatkan informasi terbaru dan berguna tentang kripto.
๐Ÿ’ฌ Dipercayai oleh bursa kripto terbesar di dunia.
๐Ÿ‘ Temukan wawasan nyata dari kreator terverifikasi.
Email/Nomor Ponsel
Sitemap
Preferensi Cookie
S&K Platform